A Strategic partner of Franka Robotics/Aigle Robots in Asia&North America

Contact:
sales@pnprobotics.com

机器人可视化工具对比：RViz、Foxglove、Rerun

Issuing time:2025-11-21 05:19Author:DEDUCTSTORE
在机器人开发中，高效的可视化和分析工具对于监控、调试和解读复杂的传感器数据至关重要。RViz、Foxglove 和 Rerun 等平台在可观测性堆栈的可视化层发挥着关键作用。它们帮助开发人员与实时数据和记录数据进行交互。这些工具依赖于对底层数据流的及时、结构化的访问，与 RViz、Foxglove 和 Rerun 等工具集成，从而支持完整的可观测性管道：从原始数据摄取到可执行的洞察。
每个可视化平台在开发工作流程中都扮演着独特的角色。RViz （ROS可视化）是专为ROS生态系统打造的经典3D可视化工具，广泛用于实时机器人监控和调试。Foxglove是一个面向机器人和物理AI系统的现代化数据可视化和检测平台，旨在简化团队收集、可视化、分析和管理大量不同传感器数据的方式。Rerun是一款轻量级的原生桌面应用程序，专注于快速高效地可视化机器人数据，使开发人员能够以最少的设置快速探索和调试实时和录制的传感器数据流。
本文从定价、跨平台支持、远程协作、用户界面、可扩展性、ROS 集成、处理大型数据集的性能以及可视化和分析功能等关键标准对 RViz、Foxglove 和 Rerun 进行了比较。目标是帮助机器人开发人员根据自身需求选择合适的工具。

定价

RViz和RViz 2是 ROS 生态系统的一部分，并以 BSD 3-Clause 许可证发布。这种宽松的开源许可证允许免费使用、修改和重新分发（包括用于商业用途），前提是保留原始的版权和许可声明。
Foxglove提供免费套餐，包含最多 3 位用户、10 台设备和 10 GB 云存储空间的核心功能。对于规模更大的团队或更复杂的需求（例如，更多用户、存储空间、私有扩展、企业集成），我们提供付费订阅服务。定价基于用户数量、存储空间、使用情况和支持级别。此外，我们还为符合条件的机构提供免费的学术套餐，包含更多用户和存储空间。Foxglove 本身是专有软件，但它基于 MCAP 等开放协议构建，并可与开源 ROS 工具集成。
Rerun完全开源，采用 MIT 和 Apache 2.0 双重许可协议。目前，开源核心没有付费计划。该项目采用开放核心模式：核心可视化工具和 SDK 免费提供，同时面向需要云存储、协作工具、高级分析和可扩展 CI/CD 工作流的团队，提供商业平台的早期访问版本。该商业平台旨在构建于开源基础之上。

平台与友好性

RViz和RViz 2主要针对 Linux 系统开发，在 Linux 系统上能够提供最稳定可靠的性能。RViz 2 也支持 Windows 和 macOS 系统（作为 ROS 2 的一部分），但这些版本不够成熟，使用也较少。它们通常需要手动安装或编译，不过随着 ROS 2 新版本的发布，对它们的支持也在不断改进。
RViz 的两个版本都是本地桌面应用程序，并非直接设计用于远程或多用户使用。虽然可以使用 SSH 配合 X11 转发、VNC 或在本地运行 RViz 并远程连接到 ROS 系统等变通方法，但这些方法通常不够稳定，需要手动配置，并且可能因网络和硬件状况而出现性能或延迟问题。
为了克服这些局限性，早期的工具（例如[ROS3D.js此处应填写工具名称]）提供了基于浏览器的 ROS 1 可视化功能，但现在这些工具大多已停止维护，并且与 ROS 2 不兼容。现代的 Web 可视化通常使用 Foxglove、Webviz 等工具或基于 WebSocket 的自定义接口来实现。一些云机器人平台也提供远程 ROS 可视化功能，但通常需要额外的集成工作。
Foxglove可在 Windows、macOS 和 Linux 系统上运行，既有桌面应用程序版本，也有网页浏览器版本。这使用户无需安装软件即可灵活地在本地或远程工作。浏览器版本支持多人协作，允许团队通过任何联网设备安全地共享布局并实时传输数据。
Rerun是一款轻量级的原生桌面应用程序，支持 Windows、macOS 和 Linux 系统。它只需极少的设置，即可让开发人员快速可视化和调试实时或已录制的传感器数据，而无需浏览器或复杂的配置。虽然 Rerun 不支持多用户或协作功能，但团队通常会共享日志文件以供离线查看。这种方法通常比使用远程桌面工具更实用。Rerun 也能够很好地集成到各种开发工作流程中，例如 Python 环境，但通常需要安装 Rerun 的 SDK 和依赖项。
注意：这三种工具都支持共享已录制的数据，例如 RViz 和 Rviz 2 的 rosbag 文件（.bag适用于 ROS 1 和.db3ROS .mcap2）、.mcapFoxglove 文件以及.rrdRerun 文件。为了大规模支持这些工作流程，您可以使用ReductStore解决方案来管理跨团队和基础架构的这些文件类型的持续录制、索引和长期存储。

用户接口

RViz和RViz 2拥有功能强大但略显过时的界面，更注重功能性而非现代设计。由于布局复杂，且需要手动配置显示、主题、坐标系和工具，因此学习曲线可能较为陡峭，尤其对于初学者而言。该界面围绕多个面板和对话框构建，需要仔细配置。它缺乏新型可视化工具所具备的视觉美感和流畅的工作流程。
Foxglove拥有现代化的友好用户界面，配备灵活的仪表盘和响应迅速的控件。它的设计旨在方便所有经验水平的用户使用，使他们能够更轻松地探索、分析和共享机器人数据。该界面大量采用图形元素，而非命令或配置文件，从而降低了不熟悉 ROS 或机器人工具的用户的入门门槛。
Rerun提供简洁明了的界面，专注于高效的数据可视化。它在易用性和核心功能之间取得了平衡，提供易于浏览的视图，而不会让用户感到不知所措。该界面设置简单，支持对数据流和日志进行直观的探索。然而，目前它的自定义选项比 RViz 或 Foxglove 少。

可扩展性

RViz（ROS 1 和 ROS 2 均支持通过 C++ 插件进行扩展，允许用户开发和集成自定义可视化、工具和面板。这种插件架构使 RViz 能够高度适应机器人领域的各种应用，例如感知、导航和操控。许多 ROS 软件包默认包含自己的 RViz 插件。然而，开发和使用插件需要与特定的 ROS 环境紧密集成。为 ROS 1 中的 RViz 编写的插件与 RViz 2 并不直接兼容；它们通常需要修改或完全重写。
Foxglove通过扩展 SDK 提供可扩展性，开发者可以使用 TypeScript 构建基于 React 的可视化界面。扩展程序可以通过在线注册表共享，无需重新编译。Foxglove 还提供 C++、Python 和 Rust 的 API 和库，主要用于处理 MCAP 文件格式，从而实现与 ROS（两个版本）、WebSocket 流和记录的传感器数据的集成。Foxglove 的生态系统还支持与 NVIDIA Isaac Sim、Velodyne LiDAR 和 Jupyter Notebook 等流行的机器人和仿真工具集成，既可以直接集成，也可以通过外部桥接器集成。
Rerun专注于通过 SDK 和 API 实现可扩展性，尤其针对 Python 和其他编程环境。它不支持像 RViz 或 Foxglove 那样的基于插件的自定义或拖放式扩展。相反，它优先考虑程序化的数据嵌入和可视化，因此非常适合喜欢脚本编写和代码驱动工作流程的用户。
Rerun 提供强大的 Python 支持，但其核心是用 Rust 和 egui GUI 框架构建的——这些技术对许多机器人开发人员来说比较陌生。除非用户熟悉 Rust，否则这可能会带来一定的学习成本，并限制底层自定义。
Rerun 没有提供类似 RViz 的 C++ 插件或 Foxglove 的 TypeScript 扩展那样简单或动态的插件系统或脚本层。这限制了快速原型开发或便捷的第三方集成。
尽管如此，Rerun 的 API 仍能与各种数据源进行强大的集成，包括 ROS 主题、传感器数据流以及 TensorFlow 和 PyTorch 等机器学习框架。这使得 Rerun 成为一款灵活的工具，可用于记录、可视化和调试复杂的数据管道。
Rerun 最适合那些偏好通过编程进行自定义而非基于 GUI 工具的开发人员。它能够直接控制数据采集和可视化，从而实现高度定制化的动态工作流程，并可根据项目需求进行扩展。

ROS集成

RViz与 ROS 紧密集成，支持与实时 ROS 主题直接交互。它最初是为 ROS 1 开发的，后来推出了适用于ROS 2 的RViz 2，至今仍是许多机器人工作流程中的核心可视化工具。然而，这种深度集成限制了 RViz 在 ROS 生态系统之外的可用性。这两个版本都依赖于功能齐全的 ROS 环境，无法独立运行或直接处理非 ROS 数据，必须进行转换。
Foxglove使用专为此设计的基于 WebSocket 的桥接器连接到实时 ROS 系统foxglove_bridge。它与 ROS 系统运行在同一网络上，并通过 WebSocket 将实时 ROS 消息流传输到 Foxglove。这种架构允许远程监控和与本地 ROS 安装进行交互。与 RViz 不同，Foxglove 无需完整的 ROS 设置即可使用。
除了实时数据外，Foxglove 还支持在本地打开和分析 ROS bag 文件。这使得用户无需运行 ROS 系统即可轻松查看记录的数据、可视化主题并离线排查问题。
Rerun支持与 ROS 1 和 ROS 2 集成，实现实时主题可视化和记录数据查看。对于 ROS 2，Rerun 官方在 GitHub 上维护了基础示例脚本，这些脚本使用 Pythonrclpy或 C++ 订阅 ROS 2 主题并将选定的数据转发到 Rerun 查看器。这是一种用户自定义桥接方式，而非原生插件集成。ROS 1 集成可以使用 C++ 或 Python 编写的自定义节点，但通常需要更多手动设置。与使用标准化通信协议（例如via和可选的）rospy的 Foxglove 不同，Rerun 直接通过用户自定义代码接收数据，不依赖于 ROS 特定的桥接协议。foxglovewebsocketfoxglovebridgerosbridge
Rerun 特别适用于可视化时间同步的多模态数据，例如传感器读数、3D 几何体、相机图像、变换和轨迹。然而，它目前缺乏对某些 ROS 特有功能的内置支持，例如交互式 TF 树探索、占用/网格地图叠加以及完整的基于 URDF 的机器人模型可视化。社区维护的示例（例如urdf_loader）提供了对 URDF 渲染的部分支持，但其深度和交互性仍不及 RViz。
Rerun 目前也无法直接打开 ROS bag 文件（.bag无论是 ROS 1 还是.db3ROS 2）。用户需要使用 `replay`rosbag play或`replay` 命令重放这些文件ros2 bag play，并通过自定义的 Python 或 C++ 桥接节点将选定的主题转发给 Rerun。这种工作流程虽然灵活高效，但需要额外的配置。Rerun 使用其自身的.rrd日志格式，该格式针对高吞吐量、可寻址存储和流式传输进行了优化。

大型数据集表现

RViz并未针对超大型数据集进行全面优化，例如密集点云、高频主题或长消息历史记录。在可视化大量数据时，用户可能会遇到帧率低、渲染延迟以及 CPU 或 GPU 使用率过高等性能问题。这是因为 RViz 会持续渲染传入的 ROS 消息并将消息历史记录存储在内存中，这可能会迅速耗尽系统资源。
RViz 2通过更高效的多线程和基于 DDS 的更高效的消息传输，改进了这一问题。这些改进有助于提升 ROS 2 环境下的性能和可扩展性。然而，RViz 2 在处理非常密集或高速率的数据流时仍然面临挑战，尤其是在实时渲染复杂的 3D 数据时，这些改进并不能完全解决高密度可视化的难题。为了提升性能，用户通常会缩短消息历史记录长度、过滤或降采样数据，以及禁用非必要的显示。
Foxglove，尤其是其网页版，在高数据量场景下性能可能不如RViz。由于它运行在网页浏览器中，因此会受到浏览器内存限制、单线程JavaScript执行以及硬件加速功能不足等因素的制约。因此，可视化大型点云或流式传输高频主题数据时，可能会出现延迟、丢帧或浏览器不稳定等问题。处理连续3D数据或大型bag文件时，这些限制尤为明显。
性能会因使用场景和浏览器环境而异。桌面应用程序绕过了一些浏览器限制，因此性能可能更好。但是，由于它基于 Electron 构建，因此仍然存在 Electron 应用程序常见的内存使用和资源管理方面的开销。不过，这些问题通常比 Web 版本要轻微得多。对于较轻的工作负载，例如二维图表或中等频率的遥测数据，Foxglove 通常表现良好，并且受益于其易于访问的用户界面和跨平台支持。
Rerun专为大规模、多模态数据工作流而设计，性能卓越。它是一款用 Rust 编写的原生桌面应用程序，并采用先进的 WGPU 渲染后端。这使其能够直接访问系统资源，从而高效处理密集点云、长消息历史记录和高频数据流。在底层，Rerun 运用了内存映射 I/O、零拷贝数据处理和智能批处理等技术来降低延迟和资源占用。
尽管目前只有少数正式的基准测试将 Rerun 与 RViz 或 Foxglove 进行比较，但早期的社区反馈及其架构表明，Rerun 能够有效地处理复杂数据集。根据具体需求对数据流进行过滤或降采样，可以进一步提升性能。Rerun 目前正在积极开发中，以扩展其在机器人可视化和分析方面的功能。
注意：处理大型数据集的最佳实践包括按时间或大小（例如，每 1-5 分钟）分割数据文件，为不同的主题组使用单独的文件，以及在磁盘空间不足时自动删除旧文件。分块压缩比整文件压缩更能有效地节省磁盘空间，但这种方法会消耗更多的 CPU 和内存资源，这需要在存储和性能之间进行权衡。

分析与可视化功能

RViz 和 RViz 2
主要功能：
实时可视化和 Bag 文件支持：RViz 和 RViz 2 通过订阅实时 ROS 主题来支持实时可视化。当使用诸如或 之类的工具重放这些文件时，它们还会显示来自已记录 bag 文件（.bag对于 ROS 1，.db3对于.mcapROS 2）的数据。rosbag playros2 bag play
数据格式支持：RViz 可可视化多种机器人状态信息，包括 URDF 机器人模型、坐标变换 (TF) 以及各种传感器数据，例如激光雷达 (LIDAR)、惯性测量单元 (IMU)、深度传感器和 RGB 摄像头。它还支持里程计、定位、占用栅格地图（用于 SLAM）、导航数据（路径、目标、轨迹）以及用于用户交互的交互式标记。RViz 2 支持相同的数据类型，并兼容 ROS 2 消息。
交互式标记：这些 3D 用户界面元素使用户能够在可视化环境中操作对象：设置导航目标、调整机器人末端执行器位置或拖动点进行运动规划。使用它们需要编写相应的 ROS 节点并配置交互逻辑。
可配置界面：用户可以添加、移除和排列面板，并自定义每种数据类型的颜色、形状和更新频率等显示属性。这些配置可以通过.rviz文件保存和重新加载，从而简化导航、调试或SLAM可视化等重复性工作流程。多种相机控制模式（环绕、FPS、俯视）支持灵活的3D场景导航。
基于插件的架构：开发者可以通过 C++ 插件创建自定义可视化效果和工具，从而扩展 RViz 的功能。RViz 2 也支持插件，并基于更现代、模块化的架构构建。
来自移动机器人示例的数据
局限性：
分析功能有限：RViz 和 RViz 2 主要用于可视化，缺乏用于详细消息检查、条件日志记录或高级播放控制（例如暂停、步进或速度调整）的内置工具。这些功能通常需要外部工具，例如rqtbagROS CLI 实用程序或第三方 RViz 插件（例如rosbagpanel）。此外，RViz 不会始终如一地警告无效数据（例如 NaN 或无穷大），这可能导致可视化效果缺失或产生误导。这些工具并非为深度离线数据分析而设计，最好与更专业的日志记录或分析解决方案配合使用。
不支持时间序列分析：RViz 和 RViz 2 不支持时间序列绘图或统计分析。对于这些任务，使用rqt_plotPlotJuggler（支持 ROS 2）等专用工具或 Jupyter 等外部环境（配合 Python）更为合适。
无条件过滤：RViz 和 RViz 2 显示所有传入数据，无法根据内容或字段过滤消息。过滤必须在上游执行，通常由自定义 ROS 节点完成。一些插件或面板提供有限的过滤功能，但并非通用解决方案。
无主题同步：RViz 和 RViz 2 各自独立订阅各个主题，并在消息到达时立即显示。它们不会基于时间戳同步来自不同主题的数据流，这可能会导致对时间敏感的可视化内容（例如，相机图像、激光雷达扫描、TF 帧）出现错位或不一致。同步需要使用外部工具message_filters或自定义节点。
无内置日志记录或导出功能：RViz 和 RViz 2 无法自动导出可视化数据或录制屏幕录像。用户只能手动截屏，除非使用自定义插件或外部工具来录制会话或提取数据。
多机器人支持有限：虽然 RViz 可以使用命名空间显示来自多个机器人的数据，但其界面并非为直接的多机器人工作流程而设计。RViz 2 进行了一些改进，但仍然缺乏用于同时管理多个机器人的专用功能。
Foxglove
主要功能：
多模态 3D 可视化：Foxglove 为各种机器人数据提供全面的 3D 可视化功能，包括 URDF 机器人模型、TF 树、传感器数据流（激光雷达、点云、摄像头视频）、占用栅格以及路径、目标和代价地图等导航元素。用户可以实时与场景交互：旋转视图、切换图层以及聚焦于特定帧或主题。多摄像头视图、工具提示和叠加层增强了空间理解。同步的多视口和灵活的相机模式（自由、固定、跟随帧、传感器对齐）使用户能够并排查看多个空间数据流。所有数据流都通过共享时间轴同步，从而确保跨模态的上下文一致性。
主题同步与回放时间线：Foxglove 提供统一的、基于时间戳的时间线，可同步来自多个主题的数据。这确保了传感器数据流（例如 RGB 图像、深度数据、点云、IMU 和 TF）的实时回放，无论实时数据还是已录制的数据都非常有用。时间线包含暂停、逐帧播放、变速播放等回放控制功能，以及用于快速导航至关键事件的书签。这种精确的时间同步是 Foxglove 相较于 RViz 的一大优势，能够更清晰地洞察系统行为。
高级分析和时间序列工具：Foxglove 提供了一套功能强大的工具，用于离线分析已记录的数据。用户可以详细查看消息，按主题或命名空间进行筛选，并通过集成的时间轴控制播放，该时间轴支持暂停、逐行导航和速度调节。为了完全支持查看自定义 ROS 2 消息类型，最好将消息以 MCAP 格式记录或转换为 MCAP 格式，尽管 Foxglove 也可以打开其他格式，但存在一些限制。
Foxglove 提供灵活的绘图工具，可用于分析随时间变化的数值数据，其功能与rqt_plotPlotJuggler 等工具大致相当。用户可以可视化任何消息类型的数值字段，叠加多个信号，放大特定时间范围，并交互式地调整显示内容。
这些工具使探索传感器输出、控制信号和算法行为变得轻松便捷。交互式图表支持在不同消息序列之间动态切换。
模块化和可配置界面：Foxglove 的用户界面采用完全模块化设计，用户可以添加、删除、复制和重新排列面板，例如 3D 视图、图像流、消息查看器、图表、诊断信息和控制台。每个面板都高度可配置，可以设置颜色、缩放、透明度、更新频率和过滤等参数。用户可以将布局保存为 JSON 文件，从而实现可复现的设置、基于角色的仪表板以及快速任务切换（例如，从 SLAM 调试切换到感知分析）。布局可以跨团队共享，也可以进行版本控制。
自定义面板和扩展：Foxglove 允许用户使用插件构建自定义面板，从而实现针对特定工作流程的专用界面。这些面板直接嵌入到 Foxglove 界面中，使所有内容都保持精简和集中化。这对于开发用于机器人开发和测试的内部工具或仪表板的团队来说尤其有价值。
扩展程序以文件形式打包.foxe，可通过 Foxglove 扩展程序注册表进行共享，既可在组织内部私下共享，也可公开共享。虽然可以通过 URL 或布局 ID 共享布局以复制界面设置，但这种共享方式不包含实际的面板代码。用户必须安装所需的扩展程序才能使用全部功能。
云端协作：Foxglove 既可在本地运行，也可在云端运行。其云端功能包括共享仪表盘、时间线评论和实时协作，使团队能够远程共同查看日志或实时数据。这使其尤其适用于分布式开发、远程测试或异步数据审查。
自主机器人操作示例
局限性：
实时3D交互功能有限：Foxglove本身并不支持类似RViz的交互式3D标记。用户无法直接操作3D场景中的对象（例如，设置目标、编辑姿势或拖动元素），除非构建自定义扩展程序。这限制了Foxglove在运动规划、远程操作或交互式环境设置等实时任务中的开箱即用性。
高级功能有限：Foxglove 目前缺少 PlotJuggler 等工具所具备的某些高级功能。例如，Foxglove 尚不支持严格的轴比锁定——这对于精确可视化空间数据至关重要，因为保持轴之间的比例关系非常重要。此外，与 PlotJuggler 全面的统计和信号处理工具套件（例如移动平均、导数、滤波和自定义数学表达式）相比，Foxglove 的内置数据转换功能也较为有限。这些高级功能使得 PlotJuggler 在详细的信号分析和精细的数据处理方面尤为有用，这在调试传感器数据或控制信号时通常至关重要。
无自动异常检测：Foxglove 不包含内置的自动验证或异常检测功能。它不使用机器学习模型或基于规则的系统来自动标记问题。相反，它提供详细的消息内省和可自定义的可视化功能，使用户能够手动识别异常情况，例如 NaN 值、无穷大值或超出范围的值。这种手动操作的方法需要用户具备一定的专业知识，但可以在没有自动警报的情况下提供灵活、深入的分析。
Rerun
主要功能：
实时及录制数据可视化：Rerun 支持实时流式传输和录制传感器数据的可视化，延迟极低。它通过基于 Rust 或 Python 的日志记录 SDK 导入数据，可处理多种机器人传感器模式，包括 3D 空间数据、摄像头图像、数值时间序列、语义分割图、深度图、标注（边界框、关键点）以及文本或类别事件数据。录制的数据集可以回放，并支持完整的时间轴控制，以便逐步检查或流畅播放，从而有助于重现错误和验证模型。
协作与共享功能：Rerun 通过数据导出和文件会话共享简化了协作工作流程.rrd。团队可以共享录制的.rrd文件以供离线查看，使用注释上下文（支持通过类 ID 和颜色映射进行标注）对数据进行注释，并使用共享的录制 ID 将来自多个进程或机器的数据流记录到统一的会话中，前提是记录时录制 ID 的设置必须保持一致。注意：.rrd目前不支持离线合并先前使用不同录制 ID 录制的文件。用户还可以通过 CLI 或查看器选项导出屏幕截图（用于生成报告或仪表板），具体取决于版本和可用命令。
可定制且可扩展的用户界面：重运行查看器提供模块化、布局感知的界面，专为 SLAM 调试、多传感器校准和性能分析等任务而设计。用户可以保存和重新加载蓝图——序列化的用户界面配置，可保留面板布局、时间线、选定实体和样式（例如颜色、透明度、大小）。完整的样式层级结构（覆盖 → 存储 → 默认 → 回退）使用户无需修改源数据即可轻松自定义视觉效果。多个同步视图（3D 场景、时间线、2D 图表、原始数据检查器）支持全面的分析。
开发者可以通过添加自定义的基于 egui 的面板、实体感知视图，或者通过 crate 将 Viewer 嵌入到 Rust 应用程序中来扩展其功能re_viewer。开发者可以为专有或特殊格式创建自定义数据加载器和可视化类型。选择、固定和悬停高亮等交互式工具有助于进行详细的探索。Viewer 还支持悬停、选择和上下文菜单操作等事件的交互式回调，从而实现高度定制化的实时数据交互。
基于 egui 和 WGPU 构建的 Rerun 3D 查看器，能够高效地在消费级硬件上渲染大规模场景，并提供丰富的空间上下文 3D 可视化效果。它采用基于实体路径的场景图，反映了分层运动学树，从而支持对组件、传感器帧、轨迹、边界框、分割掩码、密集点云、带注释图像、3D 网格和时间序列图进行直观的导航和检查。用户可以自定义视觉参数（例如，颜色映射、可见性、注释、渲染模式），并使用环绕、缩放和平移控件进行导航。
灵活的时间序列和事件日志记录：Rerun 支持同步回放多个数据流的时间线，并可使用显式（用户定义）和隐式（自动派生）时间戳。它管理多个时间域（逻辑/日志时间和时间线时间），以精确对齐异构数据源。时间线控制功能包括缩放、擦除、按实体路径或时间线筛选，以及使用元数据进行详细的事件检查。条件筛选和选择性可见性有助于在复杂的多智能体或多传感器部署中隔离异常或相关事件。
可编程数据访问和 Web 集成：Rerun SDK 提供语义日志原语（例如，logscalar` logimage@ logpointcloudLogging . logtextentry...log_tensor
在这些特性之下，Rerun 灵活且可扩展的日志记录由实体-组件-系统 (ECS) 数据模型提供支持，该模型组织附加到分层实体的带时间戳的组件，以保持性能和可扩展性。
新兴功能：实验性功能包括基于图的视图，用于可视化系统架构、连接性和代理交互，从而将 Rerun 的用途从传统的传感器数据可视化扩展到系统设计和研究工作流程。
nuScenes 示例
局限性：
缺乏内置高级分析功能：Rerun 主要侧重于可视化，缺乏集成的统计分析、异常检测或基于表达的绘图功能。相比之下，Foxglove 提供更丰富的分析功能，包括表达图以及与 Prometheus 等监控系统的集成。
并非针对实时机器人控制进行优化：尽管 Rerun 支持实时数据流，但它并非为机器人远程操作或控制输入交互而设计。RViz 和 Foxglove 提供了更成熟的工具，可用于监控实时机器人并与之交互。
没有对导航和 SLAM 地图的原生支持：与 RViz 不同，Rerun 无法原生可视化占用网格、成本地图或 SLAM 结果，这限制了它在路径规划或定位工作流程中的实用性。
实时协作功能有限：虽然 Rerun 支持离线会话共享，但它缺乏 Foxglove 提供的实时多人协作功能，例如同步远程视图或云托管实时会话。
大规模系统架构可视化有限：Rerun 的基于实体的模型侧重于空间和时间数据，但尚未提供全面的工具来交互式地探索复杂的系统通信图或架构图。
本文对 RViz、Foxglove 和 Rerun 三款机器人软件进行了详细比较，并从定价、平台和协作支持、用户界面、可扩展性、ROS 集成、处理大型数据集的性能以及分析和可视化功能等实用维度对它们进行了评估。通过概述它们的优势和局限性，我们为机器人工程师和开发人员提供了一个清晰的视角，帮助他们根据自身需求选择合适的工具。
选择合适的工具取决于具体情况：RViz 适用于实时 ROS 开发和交互式调试；Foxglove 适用于协作数据分析、时间同步回放和远程团队工作流程；Rerun 则适用于在程序化流程中快速、以开发者为中心的结构化数据可视化。实践证明，许多机器人团队发现，结合使用这些工具能够更有效地完成工作流程各个阶段的开发和验证工作。


关于Franka Robotics
Franka Robotics 在2023 年被 Agile Robots思灵机器人收购后，进入全新的加速发展阶段。其代表产品Franka Research 3 以高灵敏力控、七轴结构和开放底层接口成为全球具身智能研究的核心平台，被斯坦福、谷歌 DeepMind、清华和北京人形机器人创新中心等广泛采用，成为扩散策略、强化学习和VLA 研究的首选具身智能平台。
关于PNP 机器人
PNP 机器人由哈工大、多伦多大学及 ABB、UR机器人专家组成，是德国Franka Robotics 在中国的官方战略合作伙伴，负责销售、技术支持与生态建设。团队为国内顶尖实验室与机构提供基于 Franka 机器人的模仿学习、强化学习和视觉语言动作方案，推动具身智能的快速落地与规模化研究。
官网：www.pnprobotics.com
热线：400 188 3810
具身智能技术对接/具身群
180 1817 5378（微信同号）
                        图片

Share to：
PNP Robotics
We provide plug&play robots

Home                     Product                     Solutions                    News                  About
Contact
sales@pnprobotic.com                                 
Favorite links